公开(公告)号：CN118781498A

公开(公告)日：2024-10-15

申请号：CN202411097043.6

申请日：2024-08-12

Applicant: 安徽大学

Inventor： 梁栋 ,  方俊杰 ,  王科 ,  刘少杰

IPC: G06V20/13 ,  G06N3/0455 ,  G06V10/44 ,  G06N3/08 ,  G06V10/82 ,  G06N3/048 ,  G06V10/80

Abstract: 本发明公开了一种基于多尺度特征互补和校验注意力网络的遥感图像变化检测方法，包括：1.将同一地区的不同时间的双时态RGB图像对作为输入进行特征提取；2.将每个阶段的双时态特征对输入到解码器中，其中包含多尺度特征互补模块和对互补特征对的减法操作；3.通过视野扩张模块和校验注意力模块进行渐进式跨尺度特征融合并通过网络的训练与优化得到最佳遥感图像变化检测网络，用于对任意双时态遥感图像进行高精度的变化检测。本发明能够减弱多个尺度上特征之间冗余信息的影响，并通过渐进式融合以获得检测效果更优的变化范围图像，从而更好地挖掘变化的特征信息，并提高对变化区域检测效果。

公开(公告)号：CN119131484A

公开(公告)日：2024-12-13

申请号：CN202411219705.2

申请日：2024-09-02

Applicant: 安徽大学

Inventor： 梁栋 ,  刘少杰 ,  王科 ,  方俊杰

IPC: G06V10/764 ,  G06V10/774 ,  G06T5/70 ,  G06F17/10

Abstract: 本发明公开了一种基于自监督学习的小样本高光谱图像分类方法，包括：1、将基类数据集划分为支持集和查询集，新类数据集划分为有标签数据集和无标签数据集；2、对基类数据集进行随机打乱拼图并给予标签，对有标签数据集进行样本扩充，并划分为支持集和查询集；3、搭建小样本高光谱图像分类网络；4、通过基类自监督训练完成特征提取器的参数更新，并使用更新后的特征提取器进行新类训练；5、通过Adam优化器来优化模型参数，以得到最优小样本高光谱图像分类模型。本发明通过基于拼图任务的自监督学习策略学习可转移的空间元知识，还通过基于增强图像的对比学习策略，学习更具判别性的个体知识，从而提高了高光谱图像的分类精度。